| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 课题组以往工作总结 | 第11-12页 |
| 1.4 本文的主要工作及内容安排 | 第12-14页 |
| 第2章 基于混合高斯目标检测(GMOD)的视频结构化分析及其改进 | 第14-22页 |
| 2.1 引言 | 第14页 |
| 2.2 基于GMOD的视频结构化方案简介 | 第14-15页 |
| 2.3 基于GMOD的视频结构化方案分析 | 第15-16页 |
| 2.4 改进GMOD的视频结构化的一些措施 | 第16-21页 |
| 2.4.1 目标检测掩膜的修复 | 第16-19页 |
| 2.4.2 GMOD中的多目标团块的目标分离 | 第19-20页 |
| 2.4.3 改进方法的实验结果分析与比较 | 第20-21页 |
| 2.5 基于GMOD的视频结构化方案的总结 | 第21页 |
| 2.6 本章小结 | 第21-22页 |
| 第3章 基于深度学习目标检测的视频结构化方案 | 第22-31页 |
| 3.1 引言 | 第22页 |
| 3.2 基于深度学习目标检测的视频结构化方案简介 | 第22-23页 |
| 3.3 基于深度学习目标检测的视频结构化方案具体设计 | 第23-24页 |
| 3.4 深度学习目标检测增强学习数据集的改进设计与训练 | 第24-29页 |
| 3.4.1 深度学习特定目标增强数据集标定方法 | 第24-26页 |
| 3.4.2 深度学习特定目标数据集标记信息的描述与存储 | 第26-27页 |
| 3.4.3 深度学习目标检测卷积神经网络模型的训练参数配置与训练 | 第27-29页 |
| 3.5 深度学习监控视频目标检测结果和性能分析 | 第29-30页 |
| 3.6 本章小结 | 第30-31页 |
| 第4章 深度学习视频结构化中的多分立目标关联算法研究 | 第31-50页 |
| 4.1 引言 | 第31-32页 |
| 4.2 多分立目标关联场景分析 | 第32-34页 |
| 4.2.1 非感兴趣固定物体遮挡 | 第32页 |
| 4.2.2 目标汇合 | 第32-33页 |
| 4.2.3 目标运动方向偏移 | 第33页 |
| 4.2.4 目标突然反向运动 | 第33页 |
| 4.2.5 视场边界标定 | 第33-34页 |
| 4.3 分立目标特征提取 | 第34-37页 |
| 4.3.1 SURF特征提取 | 第34-36页 |
| 4.3.2 直方图特征提取 | 第36-37页 |
| 4.3.3 目标运动特征提取 | 第37页 |
| 4.4 基于关联概率矩阵的组合特征匹配关联算法 | 第37-42页 |
| 4.4.1 目标特征匹配概率矩阵表示 | 第38-40页 |
| 4.4.2 分立目标特征组合 | 第40-41页 |
| 4.4.3 分立目标组合特征概率矩阵的目标匹配关联方法 | 第41页 |
| 4.4.4 组合特征并行关系关联处理策略 | 第41-42页 |
| 4.5 实验结果与分析 | 第42-49页 |
| 4.5.1 测试视频信息与测试场景设定 | 第43页 |
| 4.5.2 实验参数设定 | 第43-44页 |
| 4.5.3 测试视频多目标关联数据结果 | 第44-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第5章 视频结构化目标序列数据的描述、存储与管理 | 第50-55页 |
| 5.1 引言 | 第50页 |
| 5.2 视频分立目标序列的结构化描述 | 第50-53页 |
| 5.2.1 视频索引信息结构化描述 | 第51页 |
| 5.2.2 视频分立目标序列信息结构化描述 | 第51-53页 |
| 5.3 视频分立目标序列的结构化数据管理 | 第53-54页 |
| 5.3.1 数据库系统功能描述 | 第53页 |
| 5.3.2 数据库设计 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第6章 基于结构化视频目标序列的再识别方法研究 | 第55-69页 |
| 6.1 引言 | 第55页 |
| 6.2 多摄像机环境下的目标序列再识别场景分析 | 第55-57页 |
| 6.2.1 不同摄像机复杂的背景环境 | 第55-56页 |
| 6.2.2 不同摄像机环境下行人目标复杂的运动姿态 | 第56页 |
| 6.2.3 不同摄像机环境下行人目标巨大的光照差异 | 第56页 |
| 6.2.4 不同摄像机环境下行人目标存在部分遮挡 | 第56-57页 |
| 6.2.5 不同摄像机复杂环境分析 | 第57页 |
| 6.3 直方图统计小方差匹配准则的再识别算法 | 第57-59页 |
| 6.3.1 目标序列直方图特征提取 | 第57-58页 |
| 6.3.2 目标序列直方图特征匹配 | 第58-59页 |
| 6.4 目标序列直方图特征小方差匹配实验结果与分析 | 第59页 |
| 6.5 基于区域分割的分立目标序列再识别算法 | 第59-63页 |
| 6.5.1 目标子图分块与目标序列分块颜色特征提取 | 第59-61页 |
| 6.5.2 目标子图序列分块颜色特征匹配 | 第61-63页 |
| 6.6 基于区域分割的分立目标序列再识别实验结果与分析 | 第63-68页 |
| 6.6.1 基于区域分割的分立目标序列再识别算法有效性验证实验 | 第63-67页 |
| 6.6.2 基于区域分割的分立目标序列再识别算法的准确率实验与分析 | 第67-68页 |
| 6.7 本章小结 | 第68-69页 |
| 第7章 总结与展望 | 第69-71页 |
| 7.1 总结 | 第69-70页 |
| 7.2 展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士学位期间的研究成果 | 第76页 |
